下钻分析和用户决策、使用流程结合分析是产品经理进行数据分析最重要

以上过程分析下来，我们发现从设备上已经很难找到问题了。我们换个视角，看看iOS和安卓的用户群是否有差异，发现安卓年龄大的用户群体比例明显偏高，再看下iOS和安卓年龄大的用户是否转化率都偏低，可以发现年龄大的用户转化率确实偏低。

于是基本确认年龄大的用户可能遇到了问题。再接下来，我们把转化率指标进行拆分，分析每一步不同用户群之间的转化差异，从而发现哪一步的产品设计有问题，导致了年龄大的用户转化率偏低。

同样的，我们也可以从不同用户群的维度开始分析，不断下钻发现问题和机会。任何维度的数据异常，都可能意味着问题或者机会。

有一个经典的数据分析促进业务增长的案例，即twitter在早期分析用户留存数据，发现除了系统默认关注的账号外，自行关注更多账号的注册用户有更高的活跃度。

于是twitter在用户注册后，给用户推荐了更多不同领域的账号，让用户选择性关注，从而提高了整体活跃度。这就是从活跃率指标出发，从用户群维度着手分析，不断下钻发现关注更多账号的用户活跃度更高，从而发现新机会。

四、总结

下钻分析和用户决策、使用流程结合分析是产品经理进行数据分析最重要，也是产品经理对数据分析师最大的优势。

当然，由于数据维度的大规模增长，有些场景已经不再能够用产品经理能够理解和解释的维度去分析了，也很难再通过对维度的遍历去分析。这些场景就需要用数据挖掘的方法去发现重要的维度（主成分分析等），组合不同的维度（聚类等），这些就交给数据分析师去做吧。